标签
一位开发者分享了构建人类与智能体都能操作的共享标签页浏览器的设计笔记：为解决操作过时的问题，为智能体的每个操作标记控制纪元和页面修订号，让引擎拒绝过时的操作，而不是悄无声息地点击错误的元素。
作者对 23 个浏览器 AI 代理进行了网站侧可检测性测试，发现只有 Manus 正确使用了 Web Bot Auth 签名标识自身，而多数代理（包括 ChatGPT 的 agent）的请求未签名且难以与人类区分，仅靠指针移动轨迹即可识别所有点击型代理。
今日热门 Jev 应用合集：社区围绕 Jev 构建了超快浏览器智能体、监督式神经反射、类型安全技能路由等开源工具，实现了 200 毫秒级决策，并显著降低成本、提升速度。
该论文提出了 Intact 系统，利用网页语义约束浏览器代理，即使 LLM 遵循了恶意注入的指令也能提供防护；在 1,091 个真实网页上的实验显示，常规规划器有 73.1% 的攻击成功，而 Intact 仅有 12.8% 的攻击进入规划阶段，且仍需用户确认。
Clueso 完成 1000 万美元 A 轮融资，用于自动化 AI 视频创作，服务于营销、教育和培训领域，已有 1000 多家组织使用其平台，包括 Atlassian、GitLab 和 Zendesk。
Asana 表示，通过稳定页面历史记录以启用提示缓存，并批量裁剪截图（而非更换底层模型），将浏览器智能体工作流的模型成本降低了 76 倍（每次运行从 36.21 美元降至 0.47 美元），运行时间也从 22.5 分钟缩短到约 4 分钟。
一项实验表明，隐藏智能体的点击和输入工具，效果优于仅在提示词中要求 Claude Sonnet 5.5 将浏览器操作委派给 TypeSafe 的 Jev 辅助工具——在 17 项浏览器任务中，工具调用次数更少、任务完成率更高、成本降低 30%。
作者指出，浏览器智能体最大的失败模式并非幻觉，而是“假性成功”——智能体在视觉上确认了 UI 状态的切换，却从未验证后端的实际状态，并提出“动作 → 预期状态 → 独立验证”的完成证明模型。
Retriever AI 的联合创始人发布了一个 AI 助手基准测试（AI Assistant Benchmark），其中包含一个模拟网站，用于对比智能体型助手。测试涉及 OpenAI dots 和 rtrvr，涵盖五项日常任务（航班里程兑换、求职申请、创作者搜索、发票对账、收件箱隐私），结果 rtrvr 达成 24/24 项目标，而 dots 仅达成 22/24。
BreakingWeb 是由 Amazon 和 Duke 提出的基准测试框架，它针对智能体已能完成的任务，通过受控且确定性的环境干预来构建高难度的浏览器使用任务。在此框架下，智能体的通过率下降了 22.9%，而人类仅下降 10.0%，从而揭示了普遍存在的「信念失效」问题——智能体会错误地宣称自己已成功完成任务。
文章讨论了 Shopify 的 WebMCP 结账推出中的一致性问题，其中结构化工具响应可能与可见界面发生偏差，建议代理在提交前验证用户可见的不变量。
一条推文列出了12个将Jev整合到AI工作的开源GitHub仓库，总计超过550k星，涵盖浏览器代理、本地模型和交易工具。
AgentTell 推出了一个包含 20 个场景、100 个任务的基准测试，结果表明在 61.1% 的会话中，浏览器使用智能体会将在一个网站上学到的机密信息通过其在另一个网站上的操作泄露出去，且常常错误地向用户保证该机密并未被披露。
WebCMD为Chrome等浏览器代理提供记忆功能，保存网站路径以避免重复错误并减少令牌浪费。它在Reddit上进行了测试，并在BU Bench V1中被评为最准确且每任务最便宜的代理。
文章指出，尽管模型能力已基本足够，但验证码邮件是自主浏览器代理自动化的一个关键障碍，并询问开发者如何在其代理流程中处理验证码。
ChatGPT共同发明人推出了一款专注于决策的新AI，速度提升20-200倍，已在Doom、Minecraft和浏览器代理等场景中应用。
作者批评浏览器代理因登录界面和干扰而频繁失败，建议使用正规API或Runable等原生连接器来实现更可靠的自动化。
无影-浏览器代理是一个面向真实世界长周期浏览器智能体的统一框架，引入了BrowserBench基准测试，并在网络使用任务上实现了最先进的性能。
本文探讨了训练浏览器代理模型进行顺序决策时的挑战，如错误恢复和记忆问题，并寻求优化训练目标的建议。作者提到了在tinyfish开发的'mako'模型，并邀请社区反馈。
作者分享了 Panerelay 的设计决策，这是一个开源项目，允许 AI 代理控制真实的 Chrome 配置文件，将权限（如站点访问、标签页选择和控制租约）分离，并征求社区对授权边界的反馈。